一种基于双自监督多图卷积网络融合的癌症亚型识别方法技术

本发明专利技术提供一种基于双自监督多图卷积网络融合的癌症亚型识别方法，所述方法为：第一，利用多个图卷积网络模型学习多组学数据的高层图结构信息，得到组学数据的图结构表示；第二，利用多个栈式自动编码器模型学习多组学数据的自表示；第三，将图结构表示和自表示相结合融入到深度聚类模型；第四，根据不同数据表示的特点，通过误差重构融合和自适应加权融合方法，分别融合多组学数据的自表示和图结构表示，得到多组学融合表示；最后，利用双自监督模块对多组学融合表示进行自监督学习，实现整个模型的端到端聚类训练。本发明专利技术采用栈式自动编码器与图卷积模型相结合，并通过双自监督方式对癌症多组学数据进行聚类，进而实现癌症亚型的预测。

【技术实现步骤摘要】

本专利技术属于生物信息处理领域，具体涉及一种基于双自监督多图卷积网络融合的癌症亚型识别方法。

技术介绍

1、癌症是一种具有多种发病机制和临床特征的异质性疾病。研究表明，基因组的改变，例如，拷贝数的改变，体细胞的突变等，可以导致癌症的发生。由于异质性高，具有相同表型的癌症患者往往有不同的基因组变化，即，相同的癌症患者有不同的癌症亚型，这些癌症亚型在人体上的症状不尽相同，显著影响临床诊断和预后。当前癌症研究的一个热点问题是如何根据癌症的多组学数据来预测其分子亚型。癌症亚型的分型可以提供对癌症发病机制的详细了解，有助于癌症的准确诊断和个体化治疗。

2、早期对癌症亚型预测的研究主要集中在单个组学数据(如基因表达数据)的研究。这些癌症亚型预测方法大多使用通用聚类算法实现。随着测序技术的飞速发展，各种与癌症相关的组学数据迅速积累，产生了许多癌症基因组数据库。基因组图谱数据库对超过34种癌症类型的1100多例患者样本的不同基因组、转录组和表观基因组信息进行了研究，这些测序数据为利用多组学数据在分子水平上研究癌症亚型提供了前所未有的机会。</p>

3、最近本文档来自技高网...

【技术保护点】

1.一种基于双自监督多图卷积网络融合的癌症亚型识别方法，其特征在于，所述方法为：

2.根据权利要求1所述的基于双自监督多图卷积网络融合的癌症亚型识别方法，其特征在于，所述方法包括以下步骤：

3.根据权利要求2所述的基于双自监督多图卷积网络融合的癌症亚型识别方法，其特征在于，所述步骤1具体为：

4.根据权利要求2所述的基于双自监督多图卷积网络融合的癌症亚型识别方法，其特征在于，所述步骤2中，栈式自动编码器模型共有层，其学习方式由以下子步骤来实现：

5.根据权利要求2所述的基于双自监督多图卷积网络融合的癌症亚型识别方法，其特征在于，所述步骤3中...

【技术特征摘要】

1.一种基于双自监督多图卷积网络融合的癌症亚型识别方法，其特征在于，所述方法为：

2.根据权利要求1所述的基于双自监督多图卷积网络融合的癌症亚型识别方法，其特征在于，所述方法包括以下步骤：

3.根据权利要求2所述的基于双自监督多图卷积网络融合的癌症亚型识别方法，其特征在于，所述步骤1具体为：

4.根据权利要求2所述的基于双自监督多图卷积网络融合的癌症亚型识别方法，其特征在于，所述步骤2中，栈式自动编码器模型共有层，其学习方式由以下子步骤来实现：

5.根据权利要求2所述的基于双自监督多图卷积网络融合的癌症亚型识别方法，其特征在于，所述步骤3中，图卷积网络模型共有层，其学习方式由...

【专利技术属性】
技术研发人员：刘健，葛曙光，孔毅，薛新正，徐栋，王雪松，程玉虎，
申请(专利权)人：中国矿业大学，
类型：发明
国别省市：